Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ÍNDICE
5. EVALUACIÓN DE FAUNA…………………………………………………………………...57
5.1. ÍNDICES DE ABUNDANCIA ……………………………………………………….…..58
5.2. TRANSECTAS DE LÍNEAS Y DE PUNTOS (MÉTODOS DE DISTANCIAS).
OTRAS DENOMINACIONES: CENSOS MÓVILES Y CENSOS DE PUNTOS Ó
TELLERÍA: ITINERARIOS O ESTACIONES DE CENSOS. SON MÉTODOS PARA
ESTIMAR DENSIDAD………………………………………………………………….…64
5.3. PARCELAS ……………………………………………………………………….…….…70
5.4. CAPTURAS ACUMULADAS ……………………………………………………………71
5.5. CAPTURA Y RECAPTURA.……………………………………………………………..73
5.6. CONTEO DIRECTO…………………………………………………………………….…75
BIBLIOGRAFIA……………………………………………………………………………………..77
1.INTRODUCCIÓN
2.POBLACIÓN Y MUESTRA
Ambiente Biológico
La metodología utilizada para los muestreos de flora y fauna fue la
desarrollada por CEREB – UP 2005, ya que para la descripción del ambiente
biológico se utilizó la información existente en los estudios proporcionados por
la Autoridad del Canal. La obtención de los datos para los hábitats boscosos
se hizo en función de la distribución de los árboles dentro del bosque. En
cuanto a la descripción de la estructura del bosque, esta se evaluó en función
del coeficiente de mezcla, abundancia relativa de las especies arbóreas,
frecuencia, expansión horizontal de cada especie de árbol y el índice de valor
de importancia para las especies arbóreas. (Tipos de variables que pueden
usarse)
Las parcelas de muestreo fueron georeferenciadas con ayuda de un GPS.
En las áreas boscosas se establecieron transectos de un kilómetro de longitud
por 10 metros de ancho con superficie de una hectárea por faja. Las fajas se
subdividieron en 10 parcelas de 100 x 10 metros cada una. En cada una de
Serie Didáctica 5 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
3.METODOS DE MUESTREO
La enumeración de todas las unidades de una población es por lo general
imposible. Esta enumeración completa recibe en Estadística el nombre de
censo (no debe confundirse con el vocablo censo usado por los biólogos que
suele referirse al conteo en una unidad muestral). Por la imposibilidad de
realizar censos, es necesario tomar muestras para poder inferir los valores
poblacionales con precisión aceptable y costos y esfuerzos bajos. Los
métodos de muestreo se clasifican como PROBABILÍSTICOS Y NO
PROBABILÍSTICOS. En estos últimos la selección de las unidades está
sujeta al criterio del técnico que la realiza, por lo que también reciben el
nombre de opináticos. Los basados en probabilidades (selección al azar) y los
únicos con valor estadístico, según sus características pueden ser:
MÉTODOS DE MUESTREO CON PROBABILIDADES IGUALES
Muestreo al azar simple ó sin restricciones.
Muestreo al azar con restricciones : en estratos
en bloques
Muestreo sistemático
Muestreo multietápico
MUESTREO CON PROBABILIDADES DESIGUALES:
Lista a priori
Lista aposteriori
n 1
Población de X (de medias muestrales)
Población Muestra
1 n
Media poblacional x Media muestral x x
n i 1 i
Variancia poblac. de la variable x Variancia estimada de la variable x
2 S2
x2 en pobl. Infinita o S x2 en pobl. Infinita o muestreo
n n
muestreo con reposición con reposición
Variancia poblac. de la variable x Variancia estimada de la variable x
2 N n S2 N n S2
x2 en pobl. finita y S x2 (1 f )
n N 1 n N n
muestreo sin reposición n
f: fracción de muestreo=
N
El tamaño de muestra necesario para estimar los parámetros de una población con
una precisión previamente fijada depende de la variabilidad de dicha población. Si la
variabilidad es grande, la intensidad de muestreo debe ser alta, por ende el número
de unidades a muestrear y en consecuencia los costos de muestreo serán mayores.
Si la variancia fuera pequeña, la intensidad de muestreo será reducida y los costos
de muestreo serán menores.
E s tra to 1 d e ta m a ñ o N 1.
N 1 N 1
x 1i ( x1i 1 ) 2
i1 2 i1 N 1
1 ; 1 ; P1
N 1 N 1 N
Estrato 2 de tamaño N 2
N 2 Estrato 3 de
2 ; 22 ; P 2 tamaño N 3
N
N3
3 ; 32 ; P 3
N
M
Figura 1. Esquema de una población estratificada de tamaño N N j con M=3
j 1
estratos.
(1)
Si la población es infinita o el muestreo es con reposición en población finita o cuando la fracción
de muestreo en cada estrato es menor al 2% se puede prescindir del factor de corrección para
población finita
Serie Didáctica 16 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
Tabla 8. Fórmulas para el cálculo del tamaño de muestra definitivo “n” según
criterios
Criterio n
Pobl. Infinita Pobl. finita
M
M
t 2 Pj S 2j
Propor. al tamaño de t 2 Pj S 2j j1
n 2 M
los estratos n
j 1 t
E2 P S 2
E2 N j1
j j
2
Propor. a la
2 M
M
2
t Pj S j
variabilidad: óptima t 2 Pj S j j1
si el costo es igual n
n
j 1
t2 M
en todos los estratos 2 E Pj S j2
2
E N j1
Los estratos mayores contribuyen por lo tanto con más unidades a la muestra.
Serie Didáctica 17 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
Criterio S x2
Población Infinita Población finita
Propor. al tamaño de 1 M 1 1 M
S x2 Pj S j2 S x2 Pj S j2
los estratos n j1 n N j 1
2
Propor. al tamaño y a 2 M M
1 M Pj S j Pj S 2j
la variabilidad (óptima S x2 Pj S j
S x2 j1
j 1
de costos iguales) n j1
n N
2
Criterio S x
Población Infinita Población finita
1 M M Ps
j j 1 M M Ps
j j 1 M
Distrib. óptima S2x Ps
j j c j Sx2 Pj sj cj Pj s2j
n 1 1 c n 1 1 cj N 1
j
336 336
Biomasa en tn/ha
Biomasa en tn/ha
239 239
142
142
45
I II III 45
ESTRATO
(a) (b)
Figura 2: Descripción gráfica de la variable biomasa (tn/ha) de los estratos (a) y
de la población (b).
Con esta muestra piloto se calculan los estimadores muestrales con la finalidad de
calcular el tamaño de muestra definitiva.
b) Cálculo del tamaño de muestra definitiva con alocación óptima para estimar
por intervalo del 95% de confianza y E% = 15%. Se tomará un valor de t transitorio
para comenzar los cálculos: t( 9 3 )0 ,025 2 ,447
El error del 15% de la media es: 0,15 x xe = 0,15 x 246,6954 = 37 tn/ha
2
M
2
t Pj S j
j1 2,447 2 59, 2922 2
n 14 ,8 15
2 t2 M 2 2 2,447 2 3854,1434
E Pj S j 37
N j1 450
Para t( 13 3 )0 ,025 2 ,228 se obtiene n = 12, es decir que el “n” definitivo está entre 12 y
13. Se tomará 13. ¿Cómo se distribuyen estas 13 en los tres estratos?. Para la
alocación óptima de costos iguales:
pj S j
nj M
n
j 1
pj S j
420,00
350,00
280,00
Biomasa
210,00
140,00
70,00
I II III
Estratos
2 2
M M
2
M M
j c j
2 2
P S j Pj S j S P Sc Pj
3398,53 3398,53
2
Sx j1
j 1
j1
j 1
235 ,1999
n N n N 14 450
Solo resta ahora determinar el intervalo de estimación para : ̂ y ̂ j
ˆ x t( n M ) / 2 S xe 228,2732 2,201 235,1999
=
228,27 33,80
El intervalo de estimación de µ del 95% de confianza es (194,47; 262,07)
Tabla 16. Intervalos de estimación del 95% de confianza de los tres estratos
Lim.
Sxj Lim sup.
Estrato xj nj Ej Inf.
(tn/ha)
E%
(tn/ha)
I 167,50 29,15 4 92,75 74,75 260,25 55,4
II 257,86 22,03 7 53,92 203,94 311,78 20,9
III 287,00 33,66 3 144,83 142,17 431,83 50,5
La gran amplitud de los intervalos de estimación de ̂ j se debe a los tamaños
pequeños de los nj .
2
2 pj S j 1
2
S pj
x
n´ n j n´ p j x 2j p x
j j
2
Obsérvese que el estimador S x2 incluye además la variabilidad debida a los
estimadores de las proporciones de los estratos.
3. 3. Muestreo sistemático
En el muestreo sistemático (MS) las unidades muestrales se eligen de acuerdo a
una regla fija, predefinida con anterioridad, como por ejemplo: control de daños en
cada centésima planta en un vivero, o entrevista a cada milésimo visitante de un
parque nacional o relevamiento con el método de los cuadrantes centrados en un
punto haciendo una estación cada cien metros en una red cuadrada regular, con el
propósito de cubrir toda la extensión. La primera unidad muestral suele ser elegida al
azar y, a partir de ella y siguiendo la regla fija pre-establecida son tomadas las
siguientes.
Desde el punto de vista estadístico cada unidad de muestreo no tiene la misma
probabilidad de ser elegida, ya que al ser seleccionada la primera, las restantes
quedan automáticamente fijadas. Desde el punto de vista práctico y considerando
que la madre naturaleza ha aleatorizado suficientemente las poblaciones, puede
aceptarse la inclusión de éste método de muestreo en los grupos de “igual
probabilidad”. Para quienes deseen ser más rigurosos, se recomienda aplicar la
fórmula de “diferencia de pares” de unidades sucesivas:
n 2
2
x
i1
i xi 1
( x1 x 2 ) ( x2 x3 ) ... ( xn 1 xn )
Sy et al Forest (Loetsch
2n( n 1 ) 2n( n 1 )
Inventory Vol.1).
El muestreo sistemático es, en la mayoría de los casos, el procedimiento de
selección usado en los “inventarios” forestales y relevamientos de todo tipo de
ecosistemas.
Una muestra sistemática es ejecutada con más rapidez y menor costo que una
aleatoria, desde que la selección de las unidades de muestreo es mecánica y
uniforme sobre la población, es decir cubre más homgéneamente el área.
El desplazamiento entre las unidades es más fácil por el hecho de seguir una
dirección fija y preestablecida, resultando un tiempo y gasto menor y, por
consecuencia, menor costo de muestreo.
El tamaño de la población no precisa ser conocido, ya que las unidades que ocurren
dentro de un intervalo de muestreo fijado, son seleccionadas secuencialmente,
después de ser definida la unidad inicial.
En caso de ser conocida N, la primera unidad de muestreo puede ser aletorizada
entre el conjunto de las k primeras unidades. El valor de k es la recíproca de la
intensidad del muestreo f, ya que f = n/N y k = N/n e indica que en la población de
tamaño N serán muestreadas 1 de cada k unidades.
La ventaja del MS para estudios de ecosistemas de tamaño significativo
reside en la facilidad ubicar las unidades y, debido a ello, en su gran eficiencia
comparada con el MAS. Las fórmulas de éste último pueden ser usadas en el MS ya
que dan aproximaciones aceptables (tabla 2). La media muestral x es un
estimador sesgado de solo en caso de coincidencia de la red de muestreo con
tendencias cíclicas o periódicas en una población. El error estándar S x calculado
como si fuera MAS en un muestreo MS es sólo aproximado. La fórmula del MAS
produce una sobre estimación de aproximadamente un tercio.
La elección sistemática de las unidades muestrales suele usarse también en el MAE
(la muestra de cada estrato se elige sistemáticamente) y en otros métodos.
Se observa que todos han satisfecho la exigencia sobre el error porcentual, pero el
MAE lo hizo con un tamaño mucho menor, lo que demuestra la eficiencia de este
método.
a) b) c) d)
Figura 4: Croquis de campo de los principales tipos de muestreo: a) aleatorio
simple; b) sistemático; c) al azar estratificado y d) bietápico. Modificado de
Ferrando y Sendín, 2008.
x
NM n m
Media aritmética de las M m
unidades secundarias en x
j 1
ij x
j 1
ij
la j-ésima unidad i xi
primaria M m
Población Muestra
Variancia dentro de las n m 2
unidades primarias E(CMd ) 2 x
i 1 j 1
ij xi
CM d Sd2
n( m 1 )
(2)
Cuadrados Medios entre n
Estimadores de razón (en el caso que la recta que las relaciona tenga ordenada al
origen nula: y = Rx). x debe ser conocida. Se extrae una muestra bivariada de
tamaño n y se calcula R̂ cuyo valor es la estimación puntual de R. El intervalo se
construye con S R̂ y con t(n-1) (ver fórmulas abajo)
2 ˆ 2 S 2 2RS
ˆ
y y
R ˆ
; R
y 2 1 Sy R
R ; S Rˆ ( 1 f ) 2
x yx
x x x x n
Donde f es la fracción de muestreo y Syx es la covariancia entre x e y.
Su variancia es
1 ( x x ) 2
S 2ˆ y S 2
yx
n
n 2
i 1
( xi x )
donde Syx es el error de estimación de la regresión El intervalo se construye con
t(n-2).
Fajas
Son apropiadas para ecosistemas de difícil penetración. Pueden ser de longitud
constante o variable, como las que se usaron en el parque chaqueño para los
inventarios que sirven de base a los planes dasocráticos. En éste caso el ancho es
de 10 m y se camina sobre la línea central por donde se va abriendo una picada,
cuyo eje se define mediante una brújula. Se decide la inclusión de los árboles
dudosos, controlando su distancia al eje de la parcela. La longitud de las fajas de
largo constante puede ser 50, 100, 200 m y algunas veces mucho más. Las fajas
Serie Didáctica 29 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
permiten delimitar con facilidad, unidades de gran magnitud, a la vez que captan una
alta proporción de la variabilidad del ecosistema (Prodan, 1999). Las fajas largas y
delgadas que atraviesan un ecosistema reciben el nombre de transectas.
Circulares
Son las más utilizadas por su practicidad. Aquí sólo es necesario marcar el centro de
la parcela. De todas las formas de parcela, la circular es la que tiene menor
perímetro comparando a igualdad de áreas y por lo tanto relativamente menor
cantidad de individuos en el límite. Las parcelas circulares son adecuadas para
evitar la medición de diámetros en una orientación determinada (cuando se trabaja
con forcípulas) lo que acarrea errores sistemáticos. Para ello es necesario medir los
diámetros dando la espalda o de frente al centro de la parcela. Las parcelas
circulares no convienen en ecosistemas con vegetación muy densa por la mala
visibilidad y la dificultad para definir sus perímetros.
Parcelas satélites
También reciben el nombre de bloques o de traktos. Otros autores las designan
como conglomerados. Están diseñadas para realizar el relevamiento en un día de
trabajo. En este caso las unidades de muestreo están compuestas de varios
elementos, por ejemplo 4 parcelas de media hectárea cada una ubicadas en el
centro y esquinas de un cuadrado de 100 m de lado (figura 5). Entre si los
conglomerados deben ser idénticos en cuanto a forma, diseño y tamaño y en el
procesamiento estadístico deben ser considerados cada uno de ellos como una
unidad muestral. No es lícito trabajarlos como si fuera un muestreo bietápico porque
las que podrían considerarse unidades secundarias no están dispuestas al azar.
En los inventarios de bosques del NOA II (1973), La María (1998) y de la zona Nor
oeste de Sgo del Estero (1990) se usaron “bloques o traktos”. En el segundo la
unidad muestral estuvo formada por 9 parcelas circulares de 1000 m2 donde se
midieron los árboles de 20 cm ó más de dap (diámetro a la altura de pecho) y 8
concéntricas a las anteriores de 300 m2 donde además se midieron los individuos de
menos de 30 cm (hasta 5 cm de dap). Cada “bloque o parcela satélite” es una
unidad de muestreo y constituyen una unidad indisoluble ya que las subunidades
que la integran no fueron elegidas al azar. Por este motivo no deben confundirse con
las subparcelas del muestreo bietápico.
Toda la información que esté relacionada con la superficie como área basal (AB),
volumen/ha, biomasa/ha, etc., debe referirse al plano horizontal. Por lo tanto en
regiones con pendiente acentuada deben efectuarse las debidas correcciones
adecuando las dimensiones de las parcelas a medir con la pendiente, de manera tal
que su proyección horizontal sea de las dimensiones y forma deseada.
CV
Tamaño de parcela
i) Por ejemplo: El área basal individual del j-ésimo árbol (abj) es el área
2
del círculo que corresponde a su diámetro: ab j dj .
4
Los valores de bj se estimarán con funciones que se presentan a continuación:
bAN e( 2,0998 0,9173 * Ln( d 2 * ht )) para algarrobo negro (*)
2
bQC e ( 4 ,1513 1,1255* Ln ( d * ht ))
para quebracho colorado (*)
bMi 10,9161 0,0790249 * d * ht 2
para mistol (*)
bQB 0,0738697 * d 2,5939 para quebracho blanco (*)
ab
j
j
ABha 10.000
a
Para calcular las biomasas individuales bj téngase en cuenta que en las funciones
presentadas más arriba, la biomasa (b) se da en kg, el d en cm y la ht en m. El
Serie Didáctica 34 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
Bha 10.000 en tn / ha
1.000 a
El archivo de datos y los cálculos de valores individuales se muestran en la tabla 22
(este trabajo se puede efectuar en Excel). En el archivo se han agregado 2
columnas: bj (en ella se calcula la biomasa individual del j-ésimo árbol) y abj
(cálculo del área basal individual del j-ésimo árbol).
Tabla 22. Archivo de datos y valores individuales calculados (columnas grises)
dj htj abj
PAR Nº SP BIF (cm) (m) bj (kg) (m2)
1 1 QB 36,00 10,50 804,1913 0,1018
1 2 QB 11,00 4,35 37,1308 0,0095
1 3 QB 35,40 10,10 769,8851 0,0984
1 4 QB 28,10 9,50 422,9272 0,0620
1 5 QB 2 33,50 11,00 667,2369 0,0881
1 6 Mi 12,10 6,80 89,5923 0,0115
1 7 QB 45,70 12,65 1493,2171 0,1640
1 8 AN 8,30 4,10 21,6928 0,0054
1 9 QC 13,00 7,20 46,7227 0,0133
1 10 QC 15,70 8,10 81,5799 0,0194
1 11 AN 18,30 6,00 131,2077 0,0263
Total de parcela 1 4565,3838 0,5997
Para obtener los valores por hectárea de las variables Dens, AB y B para la parcela
1 se efectúa un sencillo cálculo. Recordar que el área de la parcela ( a) es de 1000
m2.
Densidad total:
nº árboles en la parcela 11
Densha 10.000 10.000 110 arb / ha
a 1.000
12
ab
j1
j
0,5997
Área basal total por ha: ABha 10.000 10.000 5 ,997 m 2 / ha
a 1.000
b
j 1
j
4565, 3838 4 ,56538
Bha 10000 10.000 10.000 45 ,6538 tn / ha
a 1.000 a 1.000
La primera división entre 1000 es para expresar la biomasa en tn.
También se pueden calcular densidades, áreas basales y biomasas por especie,
absolutas y relativas. Por ejemplo, la densidad absoluta del QB es
nº de QB 6
DenshaQB 10.000 10.000 60 arb. / ha
a 1.000
Densha QB 60
DensrQB 100 54 ,54% .
100
Densha 110
De manera similar se calculan las áreas basales y biomasas absolutas y relativas
por especie. Los resultados figuran en la tabla 23.
Tabla 23: Densidad, área basal y biomasa absoluta y relativa por especie de la
parcela 1.
Parcela SP (i) Densi Densri Abi Abri Bi Bri
2
(nº/ha) (%) (m /ha) (%) (tn/ha) (%)
1 AN 20 18,18 0,317 5,29 1,529 3,35
1 Mi 10 9,09 0,115 1,92 0,896 1,96
1 QB 60 54,54 5,238 87,34 41,946 91,88
1 QC 20 18,18 0,327 5,45 1,283 2,81
1 Todas 110 100 5,997 100 45,654 100
La prueba de Shapiro Wilks, para las tres variables presenta los siguientes
resultados
Procedimiento de distancias
Se utilizan para las estimaciones de densidad, volumen y para caracterizar
distribuciones espaciales de algunas formas vegetales aunque también han sido
usados en los últimos años para animales sésiles o de escasa movilidad. Los
métodos contemplan unos distancias individuo-individuo y otros punto-individuo.
En la práctica forestal han sido usados desde hace mucho tiempo. En los
procedimientos individuo-individuo se elige por ejemplo un árbol al azar, el cual es el
centro de la parcela sin área fija, midiéndose luego la distancia al primero ó al
segundo ó al tercero, etc. (cambiando según el método) de la vecindad. Cuando la
distribución de los individuos sobre el plano es aleatoria, estos procedimientos
proporcionan buenos estimadores, sin embargo en poblaciones agregadas dan
siempre estimaciones fuertemente sesgadas. Suelen ser usadas para investigar los
efectos de la vecindad.
Por el contrario, los procedimientos punto-individuo son relativamente más seguros
aunque ellos también presentan sesgos de pequeña magnitud dependiendo de la
distribución espacial de los pies. Entre los más conocidos se encuentran el método
de los cuadrantes y el del sexto árbol de Prodan.
:
Figura 9.Esquema de procedimientos de distancias:
punto - individuo; individuo - individuo y Método de los
cuadrantes centrados en un punto. (Con x se marca el punto
de estación) Modificado de Ferrando y Sendín, 2008..
D3
D2
D1
D4
Este sesgo fue corregido por Pollard (1971). La fórmula propuesta es:
40.000( 4n 1 )
Densha n 4
en nº ind/ha
2
Dij
i 1 j 1
Tabla 26: Cálculo de área basal media por especie para los 20 árboles de la
tabla 24.
Especie l-ésima
Quebracho Algarrobo Quebracho
Vinal
blanco Negro colorado
Diámetro abQBj Diámetro abAlgi Diámetro Abvj Diámetro AbQCj
(cm) (m2) (cm) (m2) (cm) (m2) (cm) (m2)
42,5 0,1419 17 0,1419 25 0,0491 5,5 0,0024
75 0,4418 9 0,4418 6 0,0028
14 0,0154 23 0,0154 5 0,002
12 0,0113 25 0,0113 5 0,002
23 0,0415 7 0,0038
18 0,0254 6,5 0,0033
6 0,0028
5 0,002
5 0,002
nl
El área basal total ( ABha ) se calcula con el área basal media ( ab ) media,
multiplicada por la densidad total:
ab
i j
ij
0 ,6773 0 ,1197 0 ,0491 0 ,0231
ab 0 ,0435m 2
54 20
ABha = 0,0435 x 471 = 20,49 = 20,5 m2/ha
El área basal de cada especie es la siguiente calculada sobre la base de los valores
de las tablas 25 y 26:
Serie Didáctica 41 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
dj dj dj dj
sen 2 100 100 ; 2sen 100 ; Rj 100
2 Rj 2 Rj 2 Rj
2sen
2
El área de la “parcela” que corresponde a un árbol con diámetro dj es
d2j
2 10.000 d 2j
Área j R j
2 4
4sen 10.000sen 2
2 2
ab j
Finalmente Área j
10.000sen 2
2
dónde: dj = diámetro en cm del j-ésimo árbol en una estación;
Rj = radio en m correspondiente al jésimo árbol;
Serie Didáctica 44 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
= ángulo de selección
abj : sección normal individual o área basal del j-ésimo arbol
Cálculos:
Un árbol seleccionado de dj (en cm) de diámetro representa, en este procedimiento,
un área basal en m2/ha ABj igual a:
O sea que el área basal en m2/ha (ABi) de la i-ésima unidad muestral, se obtiene
multiplicando el factor de área basal “K”, por el nº de árboles que se contaron
(“entraron”) en dicha estación. Este resultado es coincidente con el de más arriba.
zi= nº árboles
Estación observados en
“i” Sp1 Sp2 Sp3 Sp4 Sp5 Sp6 la estación “i”
1 2 1 1 0 2 1 7
2 0 1 3 3 2 1 10
3 1 1 1 1 4 2 10
zi= nº árboles
Estación observados en
“i” Sp1 Sp2 Sp3 Sp4 Sp5 Sp6 la estación “i”
4 2 0 0 6 0 0 8
5 1 0 1 1 1 1 5
6 0 1 2 1 2 3 9
7 1 1 1 0 1 1 5
8 2 1 1 0 0 0 4
9 1 1 2 5 1 1 11
10 0 0 1 1 4 1 7
11 3 0 0 0 2 2 7
12 2 2 2 0 0 1 7
13 2 1 1 1 3 1 9
14 0 0 1 1 5 0 7
15 0 0 0 5 0 1 6
suma 17 10 17 25 27 16 112
media 1,1333 0,6667 1,1333 1,6667 1,8000 1,0667 7,4667
Se utilizó el método de la línea de intercepción (Denevan & Treacy, 1987; Unruh &
Alcorn, 1987). Este método consiste en establecer una línea de corte a través de la
vegetación usando una cinta métrica; cada porción de una planta interceptada por
esta línea es registrada de acuerdo al número de centímetros que ocupa a lo largo
de la cinta horizontal. No se consideran valores inferiores a los 10 cm.
Los casos de superposición se abordan según los siguientes criterios. Si la canopia
de dos o más plantas de diferentes especies se superponen (Figura 13), la canopia
interceptada es medida desde los puntos A a D para la especie 1 y desde los puntos
B hasta C para la especie 2. Si dos o más ejemplares de una misma especie se
superponen bajo la línea de intercepción, la superposición no se considera como tal.
Por ejemplo, si los ejemplares 1 y 2 de la Figura 13 fueran de la misma especie,
Serie Didáctica 49 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
EJEMPLO DE APLICACIÓN
Procesados los datos se obtienen los siguientes valores de cobertura por línea y
especie. (tabla 31). Por ejemplo para la línea 1, la suma de las longitudes de
intercepción (LONG) es de 14,7 m. Si se expresa en porcentaje, la COB(%)=
100*14,7/10 = 147% (10 m es la longitud de la línea).
Tabla 31: Datos de cobertura por especie y por línea para efectuar
estimaciones de cobertura total o por especie (Valores provenientes de los
datos de la tabla 30).
SP Línea COB (%) SP Línea COB (%)
AFATA 1 0 CHILCA 2 0
AFATA 2 0 CHILCA 3 0
AFATA 3 40 CHILCA 4 7
AFATA 4 0 CHILCA 5 0
AFATA 5 30 JARILLA 1 0
ALGARROBO 1 75 JARILLA 2 0
ALGARROBO 2 0 JARILLA 3 13
ALGARROBO 3 0 JARILLA 4 0
ALGARROBO 4 18 JARILLA 5 2
ALGARROBO 5 23 TUSCA 1 42
ANCOCHE 1 0 TUSCA 2 30
ANCOCHE 2 0 TUSCA 3 24
ANCOCHE 3 9 TUSCA 4 74
ANCOCHE 4 0 TUSCA 5 51
ANCOCHE 5 0 TODAS 1 147
CHAÑAR 1 0 TODAS 2 120
CHAÑAR 2 47 TODAS 3 55
CHAÑAR 3 5 TODAS 4 99
CHAÑAR 4 0 TODAS 5 82
CHAÑAR 5 0
MISTOL 1 9
MISTOL 2 43
MISTOL 3 0
MISTOL 4 0
MISTOL 5 0
Los puntos son considerados como el modo más objetivo para estimar cobertura.
Los puntos son parcelas con área minima. Hay un error mínimo por sesgo personal
cuando se usan puntos. Se considera si el punto contacta una parte de una planta o
no. Con los puntos se pueden obtener datos rápidamente y por lo tanto son
económicos. Sin embargo, ocurren errores causados por otras fuentes como el
movimiento de las plantas por el viento o la bajada incorrecta de los alfileres por el
observador.
Un punto simple puede definirse como la intersección de una cruz de dos cabellos
(figura 15 b) o la punta de un alfiler. Existen diversos tipos de aparatos ideados para
la cruz de cabellos. Otra alternativa es el marco o estructura de puntos (point frames
o serie de agujas) consistente en una vara rígida con 2 patas (ver figura 15 a ). La
vara tiene usualmente 10 agujeros equidistantes (pueden ser más) por los que
pasan 10 alfileres. La longitud de la vara puede variar según el tipo de vegetación y
de acuerdo a los patrones de distribución espacial y de alturas, pero no debe ser tan
corta como para que los alfileres estén muy juntos. En caso de ser 10 alfileres en
una vara de un metro, cada punto corresponde al 10% de cada unidad de muestreo
(o unidad observacional).
EJEMPLO DE APLICACIÓN.
Tabla 33: Cobertura por especie y estación de los datos de la tabla 27.
Estac sp Cob% Estac sp Cob% Estac sp Cob%
1 1 40 3 1 20 5 1 20
1 2 10 3 2 20 5 2 0
1 3 30 3 3 0 5 3 20
1 4 0 3 4 0 5 4 10
Estac sp Cob% Estac sp Cob% Estac sp Cob%
1 5 0 3 5 0 5 5 0
1 6 80 3 6 40 5 6 50
2 1 20 4 1 20 6 1 30
2 2 30 4 2 10 6 2 0
2 3 0 4 3 40 6 3 30
2 4 20 4 4 10 6 4 0
2 5 0 4 5 0 6 5 10
2 6 70 4 6 80 6 6 70
Especie 6: todas
Las estadísticas descriptivas por especie y total, obtenidos con la opción “medidas
de resumen” de Infostat, se presentan en la salida siguiente.
En éste último, la longitud de la piola junto con los cantos delimita el ángulo de
selección correspondiente a los distintos factores de área basal (1, 2 y 4). Con este
instrumento es también posible estimar la altura de árboles en base a una relación
geométrica de proporcionalidad de segmentos.
5. EVALUACIÓN DE FAUNA
Casi todos estos índices no mantienen su valor en toda la unidad de muestreo, sino
que varían en función de la distancia al observador (o a la trampa), la especie, la
unidad de muestreo, la época del año, etc.
Sendín y Ferrando, dicen lo siguiente: “Cuánto más difícil sea observar o capturar
individuos, más pequeño será k. En general k es siembre inferior a 1, lo que implica
que el número de animales censados es habitualmente menor que el número total
de animales en la población. k depende de numerosos factores: k = f(m,e,h,n) donde
“m” representa la eficacia del método de observación o captura, “e” representa la
especie, “h” el hábitat donde se realiza el muestreo y “n” el esfuerzo (tamaño de la
muestra).
a1) El conteo de individuos se efectúa a lo largo de una línea cuya longitud varía en
función del tamaño de la especie. El recorrido se puede hacer a pie, en vehículo
automotor, embarcaciones y hasta en avionetas. Además de la longitud debe
controlarse la velocidad de recorrido y el número de observadores, de modo que el
esfuerzo invertido sea exactamente el mismo. El IKA es el índice kilométrico de
abundancia y se expresa como individuos por kilómetro.
nº de animales observados
IKA
longitud del recorrido
Capturas. La captura puede ser activa (caza o pesca) o pasiva (trampas). Los
índices de abundancia basados en capturas comparan el número de individuos
cobrados mediante los mismos esfuerzos de captura. Se deben tener en cuenta las
diferencias de capturabilidad entre las especies y aun dentro de una misma especie
(según sexo, época del año, disponibilidad trófica, ritmos, etc.). La intensidad del
esfuerzo de captura debe ser constante para que los índices sean comparables.
Al igual que en otros métodos que utilizan capturas, se supone que los animales no
deben desarrollar actitudes de atracción o repulsión a las trampas y la captura de
uno debe ser independiente de la de otro.
Con muchos animales ocurre que solo se puede capturar un ejemplar por trampa lo
que constituye un tope para el indicador de abundancia. Por este motivo, se
recomienda que el número de trampas debe ser tal que queden vacías un 20% de
ellas.
En lo posible no deben utilizarse métodos de captura cruentas que signifiquen la
muerte del ejemplar, en casos de que este método sea la única posibilidad, deben
aprovecharse los registros de caza y pesca deportivas, salvo en caso de especies
plagas. En anfibios, reptiles, pequeños mamíferos, aves e insectos se debe buscar
la forma de captura que no dañe al animal. Últimamente se están usando las foto-
trampa para mamíferos grandes. Las aves se capturan con redes y los peces con
pesca eléctrica.
También se usan cebaderos o puntos de atracción con feromonas para realizar
conteos periódicos en especie que se congregan. En el libro “Manual para el censo
de los vertebrados terrestres” de Tellería (1986) se presentan ejemplos muy
interesantes e ilustrativos del uso de estos indicadores.
b1) Como huellas se consideran casi todos los indicios de actividad de la especie
observada: sendas, rastros, excrementos, cadáveres, mudas, nidos, madrigueras,
alteraciones de la vegetación, etc. y que estén relacionados con la densidad de la
población. Su ventaja sobre los que usan capturas u observaciones directas es que
no están influenciados por la capturabilidad ni la detectabilidad, son más fáciles de
aplicar y más baratos e importantes en especies menos visibles.
El conteo de las sendas es útil pero como éstas perduran en el tiempo, a veces no
reflejan el tamaño de la población en ese momento. En las sendas se pueden contar
las huellas dejadas por los animales. Resulta fácil en sustratos blandos como arena
Serie Didáctica 59 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece
o nieve, en otros tipos de terrenos hay que recurrir a un sustrato artificial (arena de
granulometría adecuada) o papel imprimible, en especial para algunas aves y
mamíferos pequeños.
Salida. Cuadro de Análisis de la Varianza (SC tipo III) del número de grupos de
restos fecales
Variable N R² R² Aj CV
NUMERO 30 0,42 0,38 33,01
Cuadro de Análisis de la Varianza (SC tipo III)
F.V. SC gl CM F p-valor
Modelo 115,27 2 57,63 9,74 0,0007
ZONA 115,27 2 57,63 9,74 0,0007
Error 159,70 27 5,91
Total 274,97 29
Test:Tukey Alfa:=0,05 DMS:=2,69870
Error: 5,9148 gl: 27
ZONA Medias n
C 5,60 10 a
B 6,40 10 a
A 10,10 10 b
Letras distintas indican diferencias significativas(p<= 0,05)
puede ser utilizada como índice de abundancia y bajo ciertas condiciones se pueden
efectuar tests estadísticos para probar diferencias entre abundancias.
EJEMPLO DE APLICACIÓN
Se estudia la presencia de una especie de paseriforme en dos zonas cercanas.
Como es difícil verla u oirla se decide utilizar frecuencias. La zona A está cerca de
la zona urbana y zona B se encuentra alejada de la zona urbana y cercana al río.
Los datos, obtenidos de unidades de muestreo consistentes en estaciones de 10
minutos a la hora de mayor actividad de la especie, son los que se presentan en la
tabla 35.
Utilizar las frecuencias relativas como indicadores de la presencia y probar si existen
diferencias entre las frecuencias relativas de las dos zonas (α = 0,05).
Se comprueba que las tres proporciones (p1, p2 y p junto a n1, n2 y n) satisfacen las
condiciones de la tabla 36, lo que habilita al uso de la aproximación a la distribución
normal.
Entonces, el estadístico zc para la prueba de diferencias entre proporciones con
la aproximación normal, cuya
hipótesis nula es H0: P1 = P2
contra la alternativa H1: P1 P2, se calcula como sigue:
p1 p2
zc
1 1
p(1 p)
n1 n2
siendo p1, p2 y p las frecuencias relativas de las zonas A, B y total y a su vez
estimadores de P1, P2 y P .
Sustituyendo por los valores del ejemplo:
p1 p2 0,2518 0,5802 0,3284
zc 4,86
1 1 1 1 0,0676
p(1 p) 0,3727(1 0,3727)
n1 n2 139 81
Por ser ésta probabilidad muy pequeña (mucho menor que α) se rechaza la igualdad
de los indicadores (proporciones)
EJEMPLO DE APLICACIÓN
Un biólogo estudia una población de zorros de una región. Sus unidades de
muestreo son itinerarios de censos consistentes en recorrer durante la noche
distancias fijas de 50 km por caminos rurales en una camioneta con 2 observadores
provistos de reflectores. Se anotan distancia y ángulo a los individuos observados.
Los datos que corresponden a una unidad muestral se presentan a continuación.
Encuentre el valor estimado de densidad para esa unidad muestral.
Este valor constituye una estimación puntual. Si se desea una estimación por
intervalo, se debe repetir el procedimiento hasta obtener una muestra de n unidades
muestrales (itinerarios de censo de igual longitud L) para estimar x y Sx .
El método de Emlen es descrito en detalle por Tellería (algunas páginas de su
trabajo se transcriben más abajo) y se basa en un simple razonamiento para la
estimación de k : utiliza un promedio de la probabilidad detección de las bandas en
las que se subdivide el ancho de la faja (ver figura 22). Se asume que todos los
individuos presentes en la banda 1 son detectados por lo que, en dicha banda la
detectabilidad es p1 = 1
n n n2 n3 n4 1 n1 n2 n3 n4 1
ˆ i i
Dens ; k̂ 1 pi p
wLkˆ 4n1 4 n1 n1 n1 n1 4
De esta manera se observa que la detectabilidad k̂ es el promedio de las
probabilidades de detección (pi) estimadas en las subfajas. Se presenta un ejemplo
a continuación.
Emlen también incorpora en este grupo de técnicas a las transectas de ancho fijo (a
las que denomina transectas o taxiados) en donde se cuentan todos los animales
detectados y simplemente se considera que estos son todos los presentes. Por lo
tanto la densidad se calcula considerando k=1, sin efectuar subdivisiones.
El método de Emlen es una variante del transecto que tiene la ventaja de realizar
una estima empírica de la detectabilidad de las especies en las bandas estudiadas
(Figura 22). También asume que en la banda más próxima al observador la
detectabilidad es del 100%. Tal asunción debiera verificarse en un estudio previo
(por ejemplo, dos observadores siguen al censador anotando los individuos que este
no ha detectado; también pueden llevar perros con correa para levantar a los
individuos encamados...).
En el libro editado por Sutherland, 1988, en la página 58, Box 2.14 se presenta un
ejemplo de aplicación de itinerario de censo (transectos lineales) con distancias
medidas a los animales. Se trata de un itinerario de 10 km en Sudan para estimar la
densidad poblacional del antílope de orejas blancas (Kobus kob).
5.2.2.ESTACIONES DE CENSO.
Lo que sigue a continuación en letra cursiva fue tomado de Ferrando y Sendin
(2007): Las estaciones de censo constituyen una alternativa a los itinerarios en
terrenos abruptos o muy heterogéneos, donde resulta complicado realizar un
recorrido lineal; son muy utilizados también para aves. El observador se sitúa en un
punto y va anotando todos los contactos en un área circular de radio prefijado
(Figura 22). La densidad de la iésima estación puede estimarse mediante:
ni
Densi
W 2 k
5.3. PARCELAS
Al igual que en las parcelas de área fija para vegetación, el número de unidades
muestrales es directamente proporcional a la precisión de la estimación (a mayor
tamaño de muestra, menor es E). Esto puede tentar al técnico a planificar un
muestreo con muchas parcelas pequeñas (más rápidas para medir), sin embargo
éstas tienen relativamente mayor longitud de borde que las grandes y por ende
mayor es la probabilidad de cometer errores por inclusión de individuos marginales.
Tellería (1986) distingue: a) Observación directa (censos aéreos, batidas y mapeo
de una parcela y b) Capturas (captura directa y trampeo en una superficie).
5.4.CAPTURAS ACUMULADAS.
EJEMPLO DE APLICACIÓN
Para estimar la población de micromamíferos en una pequeña isla se ubican 50
trampas y se anota el número capturas diarias. Los animales se marcan para evitar
contarlos dos veces. Al cabo de siete días se obtienen los datos que se presentan
en la tabla 37. Estimar el tamaño de la población.
Tabla 37. Micromamíferos capturados por primera vez durante una semana.
Nº de capturados sin Capturas
marcar (x) acumuladas (y)
25 0
20 25
10 45
8 55
5 63
3 68
1 69
30
25
20
Capturas
15
10
0
0 10 20 30 40 50 60 70 80
Capturas acumuladas
Las pruebas sobre los residuos indican que éstos residuos cumplen con los
supuestos de la regresión. La regresión es significativa (p < 0.0001). La función es
la siguiente:
ŷ 26 ,3702 0 ,3464 x
Con esta función se estima el valor de N (tamaño de la población) que corresponde
al de x cuando ya no es posible capturar más, es decir cuando y = 0.
26 ,3702
x 76 N tamaño población
0 ,3464
Este método es válido bajo los siguientes supuestos: a) la población no varía por
ninguna otra causa (nacimientos, migraciones o mortalidad); b) la capturabilidad es
igual para todos los individuos y c) las trampas son independientes unas de otras. El
esfuerzo de captura debe ser el mismo preferentemente, pero si no lo fuera se
pueden expresar las capturas como nº de capturas/trampa.
La regresión que se usa en este método es llamada regresión inversa. Los límites
que definen el intervalo de confianza para x se encuentran en Draper y Smith, 1966.
Para que este resultado sea un estimador válido de N, se deben cumplir varias
premisas:
• La población es cerrada, es decir N permanece constante entre el marcado y la
recaptura.
• La probabilidad de captura de todos los individuos en la primera captura es la
misma.
• El marcado no afecta la capturabilidad del animal.
• La segunda captura constituye una muestra aleatoria, es decir, cualquiera de las
posibles muestras de tamaño n tiene la misma probabilidad de ser tomada (se trata
de un muestreo al azar simple).
• Las marcas no se pierden y todos los individuos marcados en la segunda muestra
son identificados.
Ojasti (2000) textualmente expresa: La confiabilidad del estimador de Petersen
depende también del error de muestreo, que es proporcional a M, n y N. Robson y
Regier (1964) graficaron las combinaciones de M y n para diversos valores de N y
niveles de exactitud. Por ejemplo, para estimar el tamaño de una población de N =
100 con los límites de confianza ±25% de N con una probabilidad > 0,95, para un m
de 20 individuos se requiere un n de 75, y para un m de 60 un n de 32, lo cual da
una idea de la magnitud del esfuerzo.
Para más detalles y nuevas versiones de este método se recomienda consultar
Kangas (2006). En éste se encuentran fórmulas para estimar la variancia del
estimador.
( M 1 )( n 1 ) 101 51
N 1 1 367
m1 14
CONSIDERACIONES FINALES
Por el aporte que ellos brindan, se transcriben los 10 principios de Green (1979):
1. Es necesario precisar la pregunta que se intenta responder con la investigación.
Los resultados serán tan coherentes como comprensible sea la concepción inicial
del problema.
2. Han de tomarse unidades de muestreo replicadas en cada combinación de
tiempo, localidad y cualquier otra variable controlada. Las diferencias entre las
situaciones sólo pueden ser demostradas comparando las diferencias en los grupos.
3. Debe tomarse, para cada combinación de variables controladas, el mismo número
de replicas seleccionadas aleatoriamente. Tomar unidades de muestreo en sitios
típicos o representativos no es muestrear al azar.
4. Para comprobar que una condición produce efecto ha de muestrearse en una
situación en la que se produzca la condición y en otra en la que no se produzca,
permaneciendo todo lo demás igual. Un efecto sólo puede ser demostrado por
comparación con un control.
5. Es necesario realizar algunos muestreos previos para disponer de elementos para
la evaluación del diseño de muestreo y de las posibles opciones de análisis
estadístico. Saltar este paso por no disponer de tiempo produce a menudo una
pérdida de tiempo.
6. Es necesario verificar que los instrumentos y métodos permiten muestrear la
población que se desea, y poseen una adecuada eficacia y constante en todo el
espectro de condiciones que pueden encontrarse. Las variaciones de eficacia en
distintas situaciones producen sesgos al comparar estas.
7. Si el área de estudio presenta una pattern ambiental a gran escala, es necesario
dividirla en subáreas relativamente homogéneas y muestrear en cada una de ellas
proporcionalmente a su superficie. Si se intenta estimar la abundancia de
organismos, el número de unidades de muestreo dependerá entonces de la
proporción de individuos en cada subárea y no del tamaño de estas.
8. Es necesario verificar que la unidad de muestreo es adecuada al tamaño, la
densidad y distribución espacial de los organismos que se están muestreando. Con
ello puede estimarse el tamaño muestral necesario para obtener la precisión
deseada.
9. Los datos han de ser probados para determinar: la normalidad, la homogeneidad
de la varianza y la independencia de la media. Si no se produce esta situación, como
ocurre en la mayor parte de los datos de campo entonces: (a) transformar
apropiadamente los datos; (b) utilizar una prueba de distribución libre (no
paramétrica); (c) utilizar un diseño de muestreo secuencial apropiado; ó (d)
contrastar la H0 con datos obtenidos por simulación.
10. Los datos deben analizarse con la técnica estadística elegida a priori. Unos
resultados inesperados o no deseables no son una razón para rechazar una técnica
y elegir otra mejor.
BIBLIOGRAFÍA
Cochran W. 1974. Técnicas de Muestreo. 4ª impresión. Compañía Editorial
Continental, S.A. México . 507 p.
de Vries P.G. 1986. Sampling Theory for Forest Inventory. Springer-Verlag. 399 p.
Draper N. y H. Smith. 1966. Applied regression Analysus, Second Edition. John
Wiley & Sons. 708 p.
Ferrando, J. A. P., Sendín, J. F. C. (2008, July 17). Ecología Metodológica y
Cuantitativa Retrieved February 19, 2009, from Portal Web site:
http://ocw.um.es/ciencias/ecologia-metodologica-y-cuantitativa.
Flores, B y A. Martínez, 2007. Monitoreo de aves del sotobosque en bosques con
diferentes intensidades de aprovechamiento forestal. Proyecto BOLFOR / Instituto
Boliviano de Investigación Forestal. Santa Cruz, Bolivia. Primera edición.
García O., 1995. Apuntes de mensura forestal. Universidad Austral de Chile.
Facultad de Ciencias Forestales. web.unbc.ca/~GARCIA/unpub/mensura.pdf. 65p.
Green, R.H. 1979. Sampling design and statistical methods for environmental
biologists. John Wiley & Sons. New York.
Hays R., Summers C. and Seitz W. 1981. Estimating Wildlife Habitat Variables. Fish
and Wildlife Service FWS/OBS-81/47. U.S. Deparment of the Interior. 111 p.
Kangas A. and Maltamo Matti. Editores. 2006. Springer. ISBN-13 978-1-4020-
4381-9 (e-book).
Serie Didáctica 76 Junio de 2011
Facultad de Ciencias Forestales.
Universidad Nacional de Santiago del Estero
Muestreo y Técnicas de Evaluación en Vegetación y Fauna
Autores: Ing. Celia Gaillard de Benítez y Dra. Marta Graciela Pece